Day 0：为什么 AI 编程不是 prompt 技巧
建立任务运行时思维。
Day 1：创建 Agent Run
让一次任务可持久化、可恢复、可追踪。
Day 2：状态机
让 Agent 的每一步有边界。
Day 3：Tool Registry
模型只提出意图，系统负责执行。
Day 4：Permission Policy
Prompt 不是安全边界。
Day 5：Plan / Diff Review
不让 AI 静默改仓库。
Day 6-7：Verify / Trace / Eval
让完成可证明、失败可复盘。
课程说明
免费课目标是让你先跑通一个可解释的 Mini Coding Agent，而不是先学一堆名词。
学习方式
每天只做一个工程判断：先理解为什么需要这一层，再写代码验证。
每节课都保留设计问题、文件路径、运行命令、预期输出和验收清单。
Day 1：Agent Run 的最小数据结构
一次 Coding Agent 任务不能只保存最终回答。它至少需要 runId、用户任务、目标仓库、状态、事件时间线和 artifact。
后续的 plan、diff、approval、verify、trace 都挂在同一个 runId 下。
Day 2：为什么先做状态机
状态机不是复杂化，而是让 UI、工具和人类审批知道任务正卡在哪一步。
第一版至少区分 running、awaiting_approval、completed、failed。
Day 3：Tool Registry 的边界
模型不直接读写文件，它只提出工具调用意图。
Runtime 负责 schema 校验、权限判断、handler 执行和 observation 记录。
Day 4-7：从能跑到可信
Plan 和 diff 都必须可审查；apply 必须有权限门；完成必须跑 verify。
Trace 和 eval 是持续改进的地基，不是课程最后的装饰。